• Datariset
• Analisis
• Analisis cluster

Analisis Cluster

Analisis Cluster sering juga disebut sebagai Q-analysis, Typologi Construction, Classification Analysis, dan juga Numerical Taxonomy. Banyaknya versi nama ini tentunya ada tujuannya, yaitu untuk pengelompokkan metode berdasarkan disiplin ilmu antara lain seperti psikologi, biologi, ekonomi, sosial, teknik dan bisnis. Meskipun berbeda nama dan berbeda disiplin ilmu, semuanya masih menggunakan metode dan pendekatan yang sama.

Tujuan digunakannya Analisis Cluster adalah mengklasifikasikan sekelompok objek amatan (responden, brand, atau produk) ke dalam beberapa cluster berdasarkan ukuran kemiripan atau ciri-ciri umum antar objek. Sehingga objek-objek yang berada dalam cluster yang sama memiliki kemiripan lebih besar dibandingkan objek di luar cluster.

Masalah-Masalah dalam Analisis Cluster

Masalah mendasar yang sering dijumpai adalah tidak diketahuinya jumlah atau banyaknya cluster dari mana objek berasal. Di sisi lain besar dan jumlah cluster yang akan ditentukan atau dibuat berdasrkan analisis cluster sangat bergantung pada :

• Ciri atau karakteristik objek (psichografis, sosial-ekonomi, perilaku, kebutuhan)
• Ukuran kedekatan atau ukuran kemiripan antar objek yang digunakan
• Metode pengclusteran yang digunakan

Tahapan Analisis Cluster

Ada beberapa tahapan yang harus dilalui dalam Analisis Cluster. Tahapan-tahapan tersebut antara lain adalah :

• Tahap 1 : Menentukan Variabel Analisis Cluster
  Pemilihan variabel dala analisis cluster baik bertujuan eksploratori maupun konfirmatori harus berdasarkan pada teori dan konseptual dan pertimbangan praktis. Variabel yang dipilihpun haruslah bersifat rasional.
• Tahap 2 : Memilih Desain Analisis Cluster
  Analisis Cluster sangat sensitif terhadap outlier, hal ini dikarenakan obvervasi terkadang meyimpang dan tidak dapat mewakili populasi secara umum. Bisa juga karena Cluster tidak interpretabel terhadap populasi karena representasi cluster dalam sampel yang kurang terwakili. Dalam tahapan ini harus ada pengukuran kesamaan yang tepat dan Standarisasi Data maupun Standarisasi Observasi.
• Tahap 3 : Asumsi Analisis Cluster
  Analisis ini bukanlah teknik statistik inferensi yang mampu memprediksi parameter populasi berdasarkan sampel. Asumsi normalitas, linieritas, dan homokedaksitas sangatlah penting. Disamping itu masih ada dua permasalahan yang perlu diperhatikan, yaitu representasi sampel dan multikolinearitas.
• Tahap 4 : Pembentukan Cluster
  Langkah dalam pembentukan cluster digunakan metode berhierarki untuk mengidentifikasi jumlah cluster yang sebaiknya dibentuk dan mendapatkan initial clsuter center yang lain.
• Tahap 5 : Interpretasi Cluster
  Proses ini meliputi bagaimana mengetahui karakteristik dari masing-masing cluster dan memberi nama atau label yang tepat dan mencirikan sifat-sifat cluster tersebut. Proses interpretasi memerlukan perbedaan yang substansial dari sekelompok variabel cluster dan solusi analisis cluster untuk diperluas sampai perbedaan itu benar-benar nampak.
• Tahap 6 : Valiadasi dan Profilisasi Cluster
  Validasi adalah tahapan dimana peneliti berusaha menjamin bahwa hasil cluster mampu merepresentatif secara umum, dan mampu digeneralisasi untuk objek-objek yang lain. Diharapkan representasi tersebut stabil untuk beberapa periode waktu. Tahapan validasi adalah tahap untuk mengecek kestabilan hasil analisis cluster yang diperoleh.